1.一种健康评估迭代分类器模型的构建方法，其特征在于，收集健康数据并确定每种影响因素的数值区间标准，然后把收集的健康数据按照数值区间标准进行划分，标记类别；

采用模糊集隶属度函数确定每种因素对用户健康的影响程度，构成训练所需的训练样本集；训练迭代分类器模型，所述迭代分类器模型采用若干个弱分类器集成强分类器，所述弱分类器采用BP神经网络结构；

所述模糊集隶属度函数通过高斯混合模型计算每个数据点的概率分布，再根据得到的概率分布赋予不同数据点重要程度不同的隶属度；

训练迭代分类器模型主要包括以下步骤：

步骤S100：载入训练样本集，初始化分类器模型权重，训练弱分类器1；

步骤S200：按照设定的迭代次数训练弱分类器，达到最大迭代次数时，计算误差率et、更新权重αt；

步骤S300：使用更新之后的权重参数训练弱分类器2；

步骤S400：重复步骤S100‑S300直至训练完所有弱分类器；

步骤S500：使用结合策略将所有弱分类器集成强分类器，并对强分类器进行精度测试，选择最优的分类模型；

所述步骤S500中，首先计算t次迭代之后每个弱分类模型的平均精度均值，并将平均精度均值作为每个弱分类器的权重w；利用加权投票法将多个弱分类器集成强分类器，公式为：其中：Gk为弱分类器，k为弱分类器的索引，K为弱分类器总数；

权重αt的计算公式如下：

其中，R为分类器的类别数量；lr为分类器训练的学习率；

所述健康数据包括用户的饮食习惯、工作时间、医疗条件、生活习性以及患病史信息中的任意一种或者多种。